La evolución de las inteligencias artificiales en los últimos años ha permitido mejorar de forma considerable los resultados obtenidos al traducir textos entre diferentes idiomas. De la misma manera, cabe esperar que sea posible utilizarlo para convertir programas de control numérico de un lenguaje a otro.
En este post trataremos de convertir un programa muy simple realizado en Fagor 8055 a Heidenhain iTNC 530.
Pieza
Para realizar la prueba, se introducirá en Chat GPT el siguiente programa de Fagor 8055, para dibujar un cuadrado, realizando la entrada y salida tangencial:
N10 T1 D1
N20 M6
N30 G90 G0 X0 Y20 Z150 F147 S2400 M3
N40 Z5
N50 G1 Z-2; PI
N60 G41 G37 R5 X10 Y20; P0
N70 X10 Y30; P1
N80 X30 Y30; P2
N90 X30 Y10; P3
N100 X10 Y10; P4
N110 G38 R5 X10 Y20; P0
N120 G40 X0 Y20; PI
N130 Z5
N140 G0 Z150
N150 M30
Figura 1. Ruta de mecanizado
Resultado
Una vez se ha tratado de depurar el resultado obtenido, se ha llegado a la siguiente solución:
Figura 2. Resultado de programación. Fuente: ChatGPT (2023)
El primero de los problemas que se ha detectado ha sido con la definición del bloque. Tratándose de un parámetro que no es necesario programar en Fagor, resulta imposible que lo realice de forma correcta ya que en el mejor de los casos podría inventarse las coordenadas máximas y mínimas.
En segundo lugar, se puede observar como en el ejemplo de Fagor se realizan las entradas y salidas tangenciales, cosa que no aparece en el programa de Heidenhain. Además de esto, se puede observar que en la línea 5 se mueve en Z0, lo cuál si bien no sería del todo una colisión, si que nos dejaría marcada la superficie de la pieza, con lo que no sería valida.
Finalmente, se puede apreciar que las coordenadas de los puntos del contorno se respetan entre ambos programas, lo cual abre la puerta a que mejorando la forma de entrenar a ChatGPT, realmente pueda ahorrar tiempo en la conversión de programas. Si bien es cierto que, al realizar el contorno se han realizado los movimientos a la máxima velocidad, lo que en este caso si produciría una colisión con su correspondiente ruptura de herramienta.
Conclusión
Si bien, el proceso de convertir un programa de un lenguaje de programación a otro no resulta tan sencillo en ChatGPT como cuando hablamos de realizar traducciones entre idiomas, parece posible que con un entrenamiento mejor de la herramienta, se puedan obtener resultados aceptables que ahorren tiempo al programador.
Referencias:
OpenAI (2023) ChatGPT. https://openai.com/
Comments